首页 | 本学科首页   官方微博 | 高级检索  
     检索      

基于蚁群算法的支持向量机中长期水文预报模型
引用本文:张俊,程春田,申建建,张世钦.基于蚁群算法的支持向量机中长期水文预报模型[J].水力发电学报,2010,29(6).
作者姓名:张俊  程春田  申建建  张世钦
作者单位:1. 大连理工大学水电与水信息研究所,大连116024;2.浙江电力调度通信中心,杭州310007;
2. 大连理工大学水电与水信息研究所,大连,116024
3. 福建电力调度通信中心,福州350003;
摘    要:支持向量机算法(SVM)具有可靠的全局最优性和良好的泛化能力,尤其适用于中长期水文预报中有限样本的学习,然而该算法的成功与否很大程度上取决于其参数的选择,而常规经验选取方法往往不能获得满意效果。本文建立基于蚁群算法参数优化的支持向量机模型(ACO-SVM),利用蚁群算法(ACO)基于进化的随机搜索策略对支持向量机参数进行识别。以福建省安砂水库的月径流预报为例,进行建模仿真,将模拟结果与时间序列方法(ARMA)、人工神经网络方法(BP-ANN)所获得的预报结果进行对比分析。结果表明,在拟合精度方面,ACO-SVM模型相比ARMA模型和BP-ANN模型有不同程度的提高,且增幅较大,且具有较好的泛化性能。

关 键 词:支持向量机  蚁群算法  参数优选  水文预报

Ant colony optimization-based support vector machine for mid-and-long term hydrological forecasting
ZHANG Jun , CHENG Chuntian , SHEN Jianjian , ZHANG Shiqin.Ant colony optimization-based support vector machine for mid-and-long term hydrological forecasting[J].Journal of Hydroelectric Engineering,2010,29(6).
Authors:ZHANG Jun  CHENG Chuntian  SHEN Jianjian  ZHANG Shiqin
Abstract:
Keywords:support vector machine  ant colony optimization  parameter optimization  hydrological forecasting
本文献已被 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号